09:37
官方账号arXiv cs.LG@Babak Barazandeh, Subhabrata Majumdar, George Michailidis
推荐理由：这篇论文提出了Otap，一个用最优传输来评估Agent轨迹的新方法。它不再只看任务成功与否，而是分析执行结构，还能容忍不同的规划顺序和冗余步骤。
规划评估
共 1 条相关 AI 资讯
7月21日
09:37
当前Agent轨迹评估依赖二进制成功标志或精确匹配，无法区分侥幸成功或分析失败原因。Otap将轨迹评估转化为执行图与有效解图之间的最优传输距离，基于不平衡融合Gromov-Wasserstein问题。该伪度量对保持依赖的重新排序具有不变性，对冗余步骤敏感度有限，并能处理缺失或幻觉步骤。在受控扰动和三个公开基准上，Otap在语义指标低于随机水平的场景中仍能有效区分有效与无效轨迹。其准确性在依赖图精确恢复时最高，在从自由文本推断时下降。